基于改进YOLOv4算法的遥感图像飞机目标检测
日期:2024.12.17 点击数:0
【类型】期刊
【刊名】计算机与数字工程
【关键词】 遥感图像,特征融合,目标检测,YOLOv4
【摘要】针对在遥感图像上对飞机目标检测的精度低问题,论文通过对PANet特征融合网络结构的加深使得YOLOv4算法对小目标的检测更加敏感,进而提高算法的平均检测精度;另外,利用K-means++算法产生了能够自适应与数据集的检测先验框以减少YOLOv4检测算法对边界框回归损失计算过程中的冗余。在RSOD(Remote Sensing Object Detection)数据集上的对比实验表明,综合改进后的YOLOv4算法AP值达到了80.25%。特别地,改进后的YOLOv4算法对小目标检测的置信度得分较高。
【年份】2024
【作者单位】兰州理工大学电气工程与信息工程学院;兰州理工大学甘肃省工业过程先进控制重点实验室;
【期号】02
【页码】416-422
相关文章
- 1、航空遥感影像中的轻量级小目标检测 作者:薛雅丽,孙瑜,马瀚融, 年份:2022
- 2、航空遥感影像中的轻量级小目标检测 作者:薛雅丽,孙瑜,马瀚融, 年份:2022
- 3、基于卷积神经网络的遥感图像飞机目标检测研究 作者:仉长涛 年份:2020
- 4、基于卷积神经网络的遥感图像飞机目标检测研究 作者:仉长涛 年份:2020
- 5、基于改进SSD的光学飞机遥感图像目标检测算法研究 作者:王浩桐 年份:2022
- 6、基于双分支自适应特征融合网络的航空遥感图像目标检测算法研究及应用 作者:杨中宇. 年份:2024